规整化处理

股票数据规整化处理

数据查看：head()前X行 tail()后X行 shape查看行列形状 describe()描述性的统计 info()信息查看是否有缺失值

缺失值处理：isnull()是不是有缺失值.T.any() notnull()是不是没有缺失值 dropna(axis=0删除包含缺失值的行=1时表示列,how='all'全为缺失值才删除='any'只要有缺失值就删除) fillna(method='ffill'行或列的上面来填充缺失值，'bfill'则为下面），akis=0表示在列方向上，inplace=True改变原dataframe

parse_data:False时，行索引第一列为字符串类型；true时,解析为本身格式

获取csv数据

df_csvload=pd.read_csv("*.csv","parse_dates=True,index_col=0,encoding='gb2312'")

print df_csvload.head(3) 前三行

print df_csvload.tail(3) 最后三行 

print df_csvload.info() 查看缺失值

print df_csvload.isnull() 查看缺失值true，false 

print df_csvload.isnull(）.T.any()缺失值的位置 

股票数据规整化处理的方法：

股票数据内容概况查看：                                                                    head()：df_csvload.head(3)查看前三行                                              tail()：df_csvload.tail(3)查看后三行                                                    shape：df_csvload.shape查看数据有几行几列                                    describe()：df_csvload.describe()各列数据的统计情况df_csvload.info()查看缺失的情况                                                  df_csvload.isnull()的返回的值True代表缺失，False代表未缺失            df_csvload[df_csvload.isnull().T.any()]可以筛选出有数据缺失的行

    缺失值的处理：                                                                             df_csvload=df_csvload.dropna(axis=0,how='all')0代表行，1代表列，'all'代表如果该行全是缺失值则删除该行，'any'代表如果该行存在缺失值则删除该行。还有一个参数可以设置成如果该行的缺失值大于多少个时删除该行。

df_csvload=df_csvload.fiillna(method='ffill',akis=0,inplace=True)，其中'ffill'表示以该列的上一个值填充，'bfill'表示以该列的下一个值填充。0表示列，1表示行。True表示改变原dataframe,False表示不改变

股票数据的处理

股票数据的规整化处理方法

股票数据信息查看的方法：head()   tail()  shape describe() info

缺失值的处理方法：isnull()   notnull() dropna()  fillna()